并行数据库系统PBASE/2的查询优化机制

并行执行计划的搜索空间呈指数级增长,如何高效地裁剪搜索空间是并行查询优化的关键所在,ＰＢＡＳＥ／２以流机制为基础,采用基于代价估算和启发式规则的改良的两阶段优化,有交地解决了这一问题。     

PBASE的并行查询处理策略

本文详述了独具特色的ＰＢＡＳＥ并行查询处理策略及实现方法。ＰＢＡＳＥ的并行查询处理策略吸取了原型系统ＸＰＲＳ和Ｖｏｌｃａｎｏ中的先进技术，并基于原来的国产数据库系统ＣＯＢＡＳＥ中查询的流水线策略，具有更高的并行度和更好的可行性。     

PBASE体系结构与并行性

并行数据库系统以高事务吞吐量和低响应时间为目标，一个好的体系结构方案将大大有助于实现该目标。本文介绍并行数据ＰＢＡＳＥ系统的总体结构、分派进程结构以及ＰＢＡＳＥ如何实现事务间与查询间的并行性。ＰＢＡＳＥ采用的体系结构可以方便地实现并行性，达到并行数据库的预期目标。     

一种并行查询优化策略

叙述了在扩展BSP计算机上实现的shared_nothing并行对象关系数据库（PORDB）的两阶段查询优化。它分为顺序优化阶段和并行化两个阶段。顺序优化阶段在预测并行通信代价的基础上,采用基于代价的顺序查询优化。并行化阶段为缩减探索空间,先按照并行模式划分并行单元,再以并行单元为单位分配处理机。BSP模型可简化并行模式的实现和并行单元的划分。     

一个并行查询优化器的设计与实现

并行查询优化器的目标是缩减庞大的计划搜索空间,获得优化的查询规划。为此,并行实时数据库PRTD-BASE查询优化器针对无共享结构（SN）,充分考虑通信开销,采用两阶段 优化方法,依据代价估计模型先对查询树进行基于代价估计的顺序优化,然后利用启发式规则对顺序优化的查询计划进行并行化,充分利用了多处理机的并行性,获得了较快的查 询响应时间。     

PBASE/2对全局系统资源信息的管理和利用

作为基于ＳＮ体系结构的并行数据库,ＰＢＡＳＥ／２的关键问题在于如何保持系统的负载平衡,而准确、实时的系统资源信息则成为负载平衡的基础。ＰＢＡＳＥ／２的系统资源信息管理采用分布式体系结构,以系统资源利用表为基础,采用多副本、中断式部分主本封锁策略来组织和管理系统资源信息。同时基于系统资源信息,ＰＢＡＳＥ／２提出了一整套从优化到调度、完整的系统负载平衡方案。     

P＋P：同步时序电路的并行码和并行故障模拟器

开发的一个新的快速故障模拟器Ｐ＋Ｐ。该模拟器使用了并行码与并行故障模拟算法，实现了同步时序电路故障模拟的两路并行性，采用了全局故障分组，锥形操作，电路级化及改进的组号ＩＤ等技术。Ｐ＋Ｐ已在ＳＵＮ ＳＰＡＲＣ－２工作站上实现，运行了大部分的ＩＳＣＡＳ Ｂｅｎｃｈｍａｒｋ同步时序电路。最后给出了实验结果。     

POLYBASE系统中的查询处理技术

ＰＯＬＹＢＡＳＥ系统是一个集成的多数据库系统，本文主要讨论了ＰＯＬＹＢＡＳＥ系统的体系结构、集成数据模型，提出了一个基于架以查询树的查询表示模型，设计并实现了基于加权查询树查询表示模型的一个有效的导航查询处理算法。     

并行数据操作算法和查询优化技术

本文是并行数据库的查询处理并行化技术和物理设计方法”一文的续篇，继续综述并行数据库系统的另外两个重要研究领域：并行数据操作算法和并行数据库查询优化技术．最后，作为并行数据库系统研究与进展情况综述的结尾，本文将探讨并行数据库系统今后的研究方向和问题．     

分布存储并行计算机优化数据安放一种方法

本文分析了面向分布存储ＳＩＭＤ／ＭＩＭＤ并行机的并行程序的优化数据安放问题，在ＦＯＲＡＬＬ程序模型和ＭＥＳＨ通信模型上，研究了数据分解过程中减少通信代价的优化要求，我们使用编好图描述并行数组之间的对准需求，通过消除维偏好图中的冲突，可得到维对准对准图，一个维对准图就对应一个数据安放方案，维对准图的总代价越大，对应的通信代价就越小，文中给出了最大代价维对准图的一个近似算法。     

基于LBT树的并行数据库查询优化方法

本文提出了一种基于LBT(Linear-Bushy-Tree)树的查询优化方法，它是对基于浓密树(Bushy-Tree)查询优化方法的一种改进。这种优化方法大大地缩减了查询执行计划空间，确保了并行查询执行计划的优化性。这种优化方法已经在我们自主研制的并行数据库管理系统PDBMS^[1,4]中得到实现。     

基于多重加权树的并行数据库查询优化方法

本文提出了一种基于多重加权树的查询优化方法，包括多重加权树并行查询计划模型、并行查询计划的复杂性模型和查询优化处工法。     

Optimization of parallel query execution plans in XPRS

In this paper, we describe our approach to optimization of query execution plans in XPRS, a multiuser parallel database system based on a shared memory multiprocessor and a disk array. The main difficulties in this optimization problem are the compile-time unknown parameters such as available buffer size and number of free processors, and the enormous search space of possible parallel plans. We deal with these problems with a novel two phase optimization strategy which dramatically reduces the search space and allows run time parameters without significantly compromising plan optimality. In this paper we present our two phase optimization strategy and give experimental evidence from XPRS benchmarks that indicate that it almost always produces optimal or close to optimal plans.     

基于遗传算法的多连接表达式并行查询优化

多连接表达式的并行查询优化是提高数据库性能的关键问题之一.提出了使用遗传算法来解决多连接表达式的并行查询优化问题.为了提高查询处理器的执行效率,采用启发式规则来搜索最优的多连接表达式并行调度执行计划.文中给出了详细的测试结果和性能分析.实验结果表明,结合启发式知识的遗传算法是解决多连并行查询优化的有效途径,对提高数据库的性能起到重要作用.     

基于流机制的并行查询执行技术

1 引言在并行数据库的研究中,查询执行计划的调度与执行因其复杂性而受到人们的关注。查询优化时,优化器必须采用有效策略大幅度裁剪搜索空间,以降低优化开销,但这很可能会丧失掉更优的执行计划。另一方面,当系统吞吐量很高时,一个查询从优化到执行可能有一个较大的时间差,在查询计划执行时一些重要系统参数可能已经发生了较大变化,从而使该执行计划变得不优甚至难于执行。目前解决这一问题的一种方法是将查询优化与查询执行分开,在查询执行阶段通过有效的调度策略来弥补查询执行计划的缺陷,并进一步平衡系统的负载。     

微粒群并行聚类在客户细分中的应用 *

提出了基于自适应微粒群优化的并行聚类算法 ,采用了任务分布方案和部分异步并行通信 ,降低了计算时间。这种并行自适应微粒群算法结合了并行微粒群算法的快速寻优能力和自适应参数动态优化特性 ,保持了群体多样性从而避免了种群退化。最后将该算法应用于电信客户细分中。实验证明 ,该算法在并行机群上具有了较好的准确性、加速性和可扩展性。     

A parallel and distributed meta-heuristic framework based on partially ordered knowledge sharing

We propose a new distributed and parallel meta-heuristic framework to address the issues of scalability and robustness in the optimization problem. The proposed framework, named PADO (Parallel And Distributed Optimization framework), can utilize heterogeneous computing and communication resources to achieve scalable speedup while maintaining high solution quality. Specifically, we combine an existing meta-heuristic framework with a loosely coupled distributed island model for scalable parallelization. Based on a mature sequential optimization framework, we implement a population-based meta-heuristic algorithm with an island model for parallelization. The coordination overhead of previous approaches is significantly reduced by using a partially ordered knowledge sharing (POKS) model as an underlying model for distributed computing. The resulting framework can encompass many meta-heuristic algorithms and can solve a wide variety of problems with minimal configuration. We demonstrate the applicability and the performance of the framework with a traveling salesman problem (TSP), multi-objective design space exploration (DSE) problem of an embedded multimedia system, and a drug scheduling problem of cancer chemotherapy.